[发明专利]推荐器系统及其操作方法和过滤装置

说明书

本发明涉及操作推荐器系统的操作方法、用于推荐器系统（200）的过滤装置（260）、推荐器系统以及对应的计算机程序。本发明的思想在于为社交网络中的用户A自动学习关于用户A感兴趣的类型，用户A的联系人（其也是该社交网络的成员）的哪些推荐是相关的。学习算法用于解析用户A响应于从他/她的联系人接收到推荐的反馈。因此，对于联系人和类型的每个组合，可以确定相关性品味指数。所确定的相关性品味指数接受过滤。仅将关联的相关性品味指数满足过滤标准的这些推荐提供给用户A。因此，提交给用户A的不相关的推荐的量可以大大减少。

技术领域

本发明涉及一种操作个人推荐器系统的方法，该个人推荐器系统被配置用于耦接到计算机实施的社交网络。本发明还涉及对应的计算机程序以及用于过滤推荐的过滤装置。特别地，本发明涉及配置为向用户呈现经过滤的推荐的推荐器系统，所述经过滤的推荐已被基于它们各自的相关性而过滤。

背景技术

推荐器系统被用于向用户自动呈现关于网上可得的内容项（诸如产品、视频、杂志、TV（电视）节目、歌曲等）的推荐。当用户面对各种数据库提供的大量内容项时，他/她可能对找到感兴趣的内容项存在严重困难。推荐器系统将帮助用户检索感兴趣的内容项，并避免对执行复杂搜索的需要。例如，国际专利申请公布WO2010/122448A1描述了这种推荐器系统。

存在设计推荐器系统的不同方法。一种方法产生基于内容的推荐器系统，另一种方法产生基于协作过滤的推荐器系统。

基于内容的推荐器系统向用户推荐被表示为多个特征的内容项（如果此特征表示对应于用户的偏好），其中，用户的偏好也以这些特征的方式表达。

基于协作过滤的推荐器系统分析相对大的用户组的购买/观看/收听历史，以便识别内容项之间的相似性以及用户之间的相似性。例如，内容项数据库中提供的类似于用户喜欢的项的新内容项被推荐给该用户。或者，被类似于特定用户的某些用户喜欢的新项被推荐给该特定用户。通常，基于协作过滤的推荐器系统除了购买/观看/收听信息之外不需要来自用户的关于内容项本身的特定信息。

除了仅由推荐器系统自动生成的推荐之外，用户还可以向他的一个联系人提交个人推荐。例如，因特网中的内容项的呈现通常伴随称为“告诉朋友”的按钮，用户可以点击该按钮，由此向他的一个或多个联系人提交该内容项的表示的链接（即网络地址），并最终提交个人标注（note）。

已知适配于促进这种个人推荐或半个人推荐的推荐器系统。例如，已知一种推荐器系统，如果用户的一个联系人已经正面地评价了项目，则该推荐器系统向用户推荐该项目。如果用户的联系人仅隐式地表达了他/她喜欢内容项，则也可以生成这种半个人推荐。例如，用户的推荐器系统辨识到该用户喜欢或不喜欢特定内容项，并将此辨识以推荐的形式转发给用户的所有联系人，从而告知用户的所有联系人该用户喜欢/不喜欢特定内容项。用户喜欢/ 不喜欢特定内容项的辨识也可以基于用户关于此特定内容项已经提交的显式评价。

另一可能的推荐机制是每当用户的联系人中的足够大部分已经将特定内容项评价得足够高，则向该用户推荐该特定内容项。仍然，向用户的这种项目推荐可以基于用户的联系人对该内容项给出的显式评价，但其也可以基于推荐器系统为用户的联系人确定的估计爱好度。

参与计算机实施的社交网络（诸如Facebook、MySpace、LinkedIn、Xing 等）的用户可以具有大量关联的联系人。因此，自动生成的半个人推荐的数目可能快速增加，使得半个人推荐的主要优点（即，体现某一个人特点的推荐被认为比仅由算法作出的推荐更可信）可能变得减弱。

发明内容

本发明的技术目的是提出用于自动减少呈现给计算机实施的社交网络的用户的半个人推荐的数量的技术手段。

根据本发明的第一方面，上述技术目的通过一种操作个人推荐器系统的方法来获得，该个人推荐器系统被布置用于耦接到计算机实施的社交网络，所述方法包括以下步骤：